動察 Beating の監視によると、Epoch AI は研究報告書を発表し、Anthropic の Claude Mythos シリーズモデルのネットワークセキュリティ能力を体系的に評価しました。研究者らは複数のセキュリティベンチマークテストに基づいて「サイバー能力指数」(Cyber-ECI)を構築した結果、Mythos Preview は脆弱性悪用開発能力において大幅にリードしており、線形発展トレンドと比較して約7ヶ月先行し、同じくリードトレンドを約3ヶ月上回る OpenAI GPT-5.5 よりも優れていることが示されました。
以前、一部の学者は Mythos Preview のパフォーマンスが GPT-5.5 と同等であると疑問視していました。報告書は、この見解の相違は、一部の初期評価が性能の低い内部バージョンを使用していたこと、および後に Glasswing パートナーに開放された4月バージョンではなかったこと、さらに一部のテストセットが飽和状態に近く、スコア差をつけるのが難しかったことに起因すると指摘しています。実際のセキュリティテストでは、Mythos Preview は任意コード実行の脆弱性悪用を頻繁に自律的に構築できる一方、初期モデルではほとんど不可能でした。
脆弱性発見(Vulnerability discovery)の面では、同様のトレンド先行を示す強力な証拠は不足しています。Mythos Preview リリース後、21の著名機関による高リスクおよび深刻な脆弱性(CVE)報告は、4月と5月にそれぞれ2025年のベースラインと比較して142%および262%急増しましたが、この急増は主に資金投入に起因する可能性があります。Anthropic は Glasswing に最大1億ドルのAPIクレジットを提供し、多くのセキュリティ担当者が短期間で並行検索を行うよう促しました。
例えば、注目度の高い curl コードベースのテストでは、Mythos Preview は低リスクの脆弱性を1つだけ特定し、4つの誤検出を伴い、従来の監査ツールを超えるパフォーマンスは見られませんでした。スタートアップ企業 AISLE も、一部のオープンソース軽量モデルが同じ脆弱性を特定できることを確認しています。Epoch AI は、Mythos の実際の優位性は、極めて低い誤検出率とより正確な危害レベルの判定にあると考えています。新たな脆弱性を直接発見するよりも、より正確な判定により、防御側は手動レビューの時間とコストを大幅に削減できます。